2. AML数据源与特征分类：内部交易数据、客户信息数据、外部黑名单数据、公共制裁名单数据

在AML模型训练中，数据源的质量与特征工程直接决定模型的上限。本章系统梳理四大核心数据源及其对应的特征分类，帮助你在特征分层实践中建立清晰的数据地图。

2.1 四大数据源全景

AML模型通常依赖以下四类数据源，它们分别覆盖交易行为、客户属性、负面名单与监管制裁四个维度：

2.2 内部交易数据特征

内部交易数据是AML模型最核心的行为数据源，通常包含以下特征维度：

• 金额特征： 单笔交易金额、日累计金额、月累计金额、近30天平均金额、金额标准差、金额与历史均值的偏离度。
• 时间特征： 交易时间（小时/星期/月份）、交易间隔、夜间交易占比、节假日交易标记。
• 频次特征： 日交易笔数、周交易笔数、高频交易标记（如1小时内超过5笔）。
• 对手特征： 对手账户数量、对手地域分布、对手行业分布、对手是否为高风险地区。
• 渠道特征： 交易渠道（网银/手机银行/柜台/ATM）、渠道切换频率、跨境渠道标记。

# 内部交易特征计算示例（Python伪代码）
def compute_transaction_features(df):
    features = {}
    # 金额特征
    features['avg_amount_30d'] = df['amount'].rolling(30).mean().iloc[-1]
    features['amount_std_30d'] = df['amount'].rolling(30).std().iloc[-1]
    features['amount_deviation'] = (df['amount'].iloc[-1] - features['avg_amount_30d']) / (features['amount_std_30d'] + 1e-6)
    # 频次特征
    features['tx_count_1h'] = df[df['timestamp'] >= (now - timedelta(hours=1))].shape[0]
    # 对手特征
    features['unique_counterparties_7d'] = df[df['timestamp'] >= (now - timedelta(days=7))]['counterparty_id'].nunique()
    return features

2.3 客户信息数据特征

客户信息数据提供静态属性特征，用于建立客户风险画像基线：

2.4 外部黑名单数据特征

外部黑名单数据通常以匹配结果的形式参与特征构建：

• 精确匹配特征： 客户姓名/证件号/账户号是否命中黑名单（布尔值）。
• 模糊匹配特征： 姓名相似度分数（如Levenshtein距离）、证件号部分匹配标记。
• 名单层级特征： 命中名单的级别（高风险/中风险/低风险）、名单来源（监管/行业/内部）。
• 时间衰减特征： 命中黑名单距今天数、历史命中次数、最近一次命中时间。

# 黑名单匹配特征计算示例
def compute_blacklist_features(customer_name, blacklist_db):
    features = {}
    # 精确匹配
    features['exact_match'] = 1 if customer_name in blacklist_db['exact_names'] else 0
    # 模糊匹配（使用Levenshtein距离）
    max_similarity = max([levenshtein_similarity(customer_name, name) for name in blacklist_db['names']], default=0)
    features['fuzzy_match_score'] = max_similarity
    # 时间衰减
    if features['exact_match']:
        days_since_match = (datetime.now() - blacklist_db['match_date']).days
        features['time_decay_weight'] = np.exp(-days_since_match / 365)
    else:
        features['time_decay_weight'] = 0
    return features

2.5 公共制裁名单数据特征

公共制裁名单数据与黑名单类似，但具有更强的法律约束力和更严格的匹配要求：

2.6 数据源融合与特征分层架构

下图展示了四大数据源在AML模型特征分层中的融合关系：

2.7 数据源质量评估与特征有效性

在特征分层实践中，不同数据源的质量直接影响特征有效性。以下是常见质量问题的对照：